Intermédiaire 10 minGEO

llms.txt : le standard pour être cité par ChatGPT et Perplexity

Le fichier llms.txt est une convention simple : un fichier Markdown placé à la racine de votre site qui présente son contenu de façon lisible par une IA. L'objectif est d'aider les modèles comme ChatGPT, Perplexity ou Claude à comprendre votre site et, dans l'idéal, à le citer correctement. Ce guide couvre la spécification exacte, la différence avec llms-full.txt, la mise en place pas à pas, et ce que ça change vraiment pour la visibilité dans les réponses IA (le GEO) — sans survendre.

Par Mohamed Meguedmi·Màj 2026-09-03·Testé sur Windows, macOS, Linux

#Pourquoi llms.txt existe

Une page web moderne est un enfer à parser pour une machine : menus, bannières de cookies, scripts, encarts publicitaires, HTML imbriqué. Un humain filtre tout ça sans y penser ; un modèle de langage, lui, doit deviner où se trouve le contenu utile, et il a une fenêtre de contexte limitée. Résultat : quand une IA lit votre page, une grande partie de son budget de tokens part dans du bruit.

llms.txt répond à ce problème. C'est un fichier texte au format Markdown, servi à la racine de votre domaine (à l'adresse /llms.txt), qui donne à une IA une carte propre et concise de votre site : de quoi il parle, et vers quelles pages aller pour les détails. L'idée est directement inspirée de robots.txt (qui dit aux crawlers où ils peuvent aller) et de sitemap.xml (qui liste les URL), mais pensée pour la lecture par un LLM plutôt que pour un robot d'indexation classique.

i
D'où vient le standard
llms.txt a été proposé en septembre 2024 par Jeremy Howard (cofondateur d'Answer.AI et de fast.ai). La spécification de référence est publiée sur llmstxt.org. C'est une convention communautaire ouverte, pas une norme imposée par OpenAI ou Google.

#La spécification llms.txt

Le format est volontairement minimal et repose entièrement sur du Markdown standard, dans un ordre précis pour rester interprétable par un programme :

Un titre H1
Le nom du site ou du projet. C'est le seul élément obligatoire de la spécification.
Un blockquote
Une phrase de résumé (précédée de >) qui décrit le site. Fortement recommandée : c'est souvent la première chose que l'IA lit.
Des paragraphes libres
Zéro ou plusieurs blocs de texte (sans titre) pour donner du contexte : à qui s'adresse le site, comment le lire, conventions éventuelles.
Des sections H2
Chaque H2 regroupe une liste de liens Markdown vers vos pages importantes, au format [Titre](url): note optionnelle décrivant la page.
Une section « Optional »
Un H2 nommé exactement Optional dont les liens sont signalés comme secondaires : une IA pressée peut les ignorer pour économiser du contexte.
/llms.txt
# QuelLLM.fr

> Guides francophones pour installer et faire tourner des LLM open-weight en local (Ollama, LM Studio, llama.cpp), du choix du matériel au RAG.

Site en français destiné aux utilisateurs qui veulent auto-héberger une IA sans cloud. Chaque guide est autonome et daté.

## Guides essentiels

- [Installer Ollama en 5 minutes](https://quelllm.fr/guides/installer-ollama.html): prérequis RAM/GPU et premier modèle
- [Choisir sa quantification (Q4, Q5, Q8, FP16)](https://quelllm.fr/guides/choisir-quantification-q4-q5-q8.html): compromis qualité/mémoire
- [Le RAG expliqué simplement](https://quelllm.fr/guides/rag-debutant-c-est-quoi-comment-ca-fonctionne.html): discuter avec ses documents

## Matériel

- [Quel LLM sur RTX 4090 ?](https://quelllm.fr/guides/llm-rtx-4090.html): la référence grand public 24 Go

## Optional

- [Mentions légales](https://quelllm.fr/legal.html): informations éditeur
→
Des URL absolues et des liens qui pointent vers du propre
Utilisez toujours des URL absolues (https://...) : le fichier peut être lu hors contexte. Et si vos pages ont une version Markdown brute (beaucoup de générateurs de docs exposent /page.md), pointez vers elle plutôt que vers le HTML : l'IA gagne du contexte et vous perdez moins de tokens.

#llms.txt vs llms-full.txt

Les deux fichiers ne servent pas la même chose et il n'y a aucune obligation d'avoir les deux.

llms.txt
Un index. Court, structuré, il liste vos pages avec de brèves descriptions. L'IA le lit pour comprendre l'architecture du site puis va chercher les pages qui l'intéressent. C'est le fichier à créer en priorité.
llms-full.txt
Le contenu complet du site (ou de la doc) concaténé en un seul gros fichier Markdown. L'IA peut l'ingérer d'un bloc, sans faire d'autres requêtes. Pratique pour une documentation technique qu'on veut charger entière dans un contexte long.

En pratique : llms.txt pour un site éditorial comme un blog ou un catalogue de guides ; llms-full.txt en complément si votre contenu est de la documentation qu'on veut pouvoir « coller » entière dans un LLM. Attention, llms-full.txt peut vite peser plusieurs mégaoctets — ne le générez que si ça a du sens pour votre cas.

#Créer votre fichier pas à pas

  1. 01
    Lister vos pages qui comptent vraiment
    N'incluez pas tout. Sélectionnez les 10 à 50 pages qui portent votre valeur : guides piliers, pages produit, documentation clé. Le but est un index dense en signal, pas une copie du sitemap.
  2. 02
    Rédiger l'en-tête
    Un H1 avec le nom du site, puis un blockquote d'une phrase qui résume précisément ce qu'on trouve chez vous. Soyez factuel : cette phrase sera souvent reprise telle quelle par l'IA pour vous présenter.
  3. 03
    Grouper les liens par section H2
    Une section par thème (par exemple « Installation », « Matériel », « RAG »). Pour chaque lien, ajoutez après les deux-points une note courte qui dit ce que la page apporte. Ces notes sont ce qui aide l'IA à choisir la bonne page.
  4. 04
    Ajouter une section Optional
    Reléguez-y les pages de service (mentions légales, contact, à propos) pour que l'IA sache qu'elles sont secondaires.
  5. 05
    Valider le Markdown
    Vérifiez qu'il s'agit bien de Markdown valide et que tous les liens sont en absolu et fonctionnent. Une erreur de syntaxe casse l'intérêt du fichier.
!
Ne le laissez pas se périmer
Un llms.txt figé qui pointe vers des URL mortes ou décrit un site qui a changé est pire que pas de fichier du tout : il donne à l'IA une image fausse de vous. Régénérez-le à chaque refonte importante, idéalement via un script au build.

#Déployer sur un site statique ou WordPress

Le fichier doit être accessible à l'adresse exacte https://votre-domaine.fr/llms.txt, servi en texte brut (Content-Type text/plain ou text/markdown). La méthode dépend de votre hébergement.

Sur un site statique (Hugo, Astro, Eleventy, un simple dossier HTML), c'est trivial : déposez le fichier llms.txt à la racine du dossier publié (souvent public/ ou static/), au même endroit que robots.txt. Il sera servi automatiquement.

Terminal
# Déposer le fichier à la racine du site publié
cp llms.txt ./public/llms.txt

# Vérifier qu'il est bien servi une fois en ligne
curl -I https://votre-domaine.fr/llms.txt
# Attendu : HTTP/2 200 et un Content-Type text/plain ou text/markdown

Sur WordPress, il n'y a pas de champ dédié. Trois options : déposer le fichier à la racine via FTP/SFTP (à côté de wp-config.php) ; utiliser une extension SEO récente (plusieurs, dont des versions de Yoast et Rank Math, savent générer un llms.txt) ; ou ajouter une règle qui sert le fichier depuis un endpoint. La voie FTP reste la plus simple et la plus prévisible.

→
Signalez-le, comme un sitemap
Rien n'oblige à le déclarer, mais vous pouvez ajouter une ligne dans robots.txt pour le rendre découvrable, sur le modèle de la directive Sitemap. Certaines équipes ajoutent aussi un lien dans le <head>. Ces conventions ne sont pas encore stabilisées : le placement à la racine reste l'essentiel.

#GEO : être cité par les moteurs de réponse IA

Le GEO (Generative Engine Optimization) est au ChatGPT, Perplexity ou aux AI Overviews de Google ce que le SEO est à la recherche classique : l'ensemble des pratiques pour apparaître — et être cité — dans les réponses générées par une IA. Le changement de fond est simple : sur un moteur de réponse, l'utilisateur lit une synthèse et clique beaucoup moins. Ce qui compte n'est plus seulement d'être en première page, mais d'être la source que l'IA reprend et attribue.

llms.txt s'inscrit dans cette logique : donner aux modèles un accès propre à un contenu bien découpé et clairement décrit. Mais soyons précis sur la chaîne de causalité, parce que c'est là que beaucoup d'articles exagèrent.

Ce qui aide vraiment le GEO
Un contenu factuel, structuré en sections claires, avec des réponses directes en tête de page, des données datées et sourcées. Ça, les moteurs de réponse le récompensent, llms.txt ou pas.
Le rôle de llms.txt
Faciliter la compréhension de la structure de votre site et fournir des descriptions que l'IA peut réutiliser. C'est un accélérateur de lisibilité machine, pas un signal de classement magique.

#Ce que llms.txt ne fait pas (soyons honnêtes)

!
Aucun grand crawler n'a confirmé l'utiliser comme signal
À ce jour, ni OpenAI, ni Perplexity, ni Anthropic n'ont annoncé officiellement lire llms.txt pour classer ou citer des sites, et Google a indiqué publiquement ne pas l'utiliser pour la recherche. Méfiez-vous de tout article qui promet « X% de citations en plus grâce à llms.txt » : c'est invérifiable aujourd'hui.

Deux limites structurelles à garder en tête. D'abord, llms.txt ne bloque personne et ne force personne : un crawler qui ne le connaît pas continue de lire votre HTML normalement — pour contrôler l'accès des robots IA, c'est robots.txt (et les directives user-agent des crawlers IA) qu'il faut régler, pas llms.txt. Ensuite, un fichier ne compense jamais un contenu faible : si vos pages sont vagues ou datées, un bel index ne les rendra pas citables.

Alors pourquoi le déployer ? Parce que le coût est quasi nul, que l'exercice vous force à clarifier l'architecture et les descriptions de votre site (ce qui sert aussi vos lecteurs humains et le SEO classique), et que si l'adoption décolle, vous serez déjà prêt. C'est une assurance à bas prix, pas une baguette magique.

#Retour d'expérience : quelllm.fr le déploie

Nous publions un llms.txt à la racine de quelllm.fr depuis plusieurs mois. Concrètement, il est généré au build à partir de notre catalogue de guides : chaque guide y devient une ligne, groupée par catégorie (Installation, Matériel, RAG…), avec sa description reprise du champ meta. Ça garantit que le fichier ne se périme jamais tant qu'un guide existe.

Ce qu'on a observé
Impossible d'attribuer proprement une hausse de citations au seul fichier : trop de variables bougent en même temps (nouveaux contenus, notoriété, évolution des moteurs). On ne prétendra donc pas à un effet chiffré.
Le vrai bénéfice mesurable
L'exercice de génération nous a obligés à avoir des descriptions courtes, exactes et sans jargon pour chaque guide. Ce nettoyage a servi partout : balises meta, aperçus de recherche, cohérence éditoriale.
Le coût
Une fois le script de génération écrit, zéro maintenance. C'est ce rapport bénéfice/coût qui justifie de le garder, indépendamment de son impact GEO exact.

Notre position : déployez-le pour la propreté et l'anticipation, pas parce qu'on vous promet des citations. Et mettez votre énergie principale là où elle compte vraiment — la qualité et la structure du contenu lui-même.

#Pour aller plus loin

Ces guides prolongent les notions abordées ici, du côté de la façon dont les IA récupèrent et citent de l'information :

Comprendre le RAG
« Le RAG c'est quoi et comment ça fonctionne » explique comment une IA va chercher du contenu externe pour répondre — la mécanique même que llms.txt cherche à faciliter.
Fiabilité et citations
« Hallucinations : pourquoi votre LLM local invente et comment limiter » montre pourquoi le sourçage et la structure comptent tant pour des réponses fiables.
Notebooks de sources
« NotebookLM en local : les alternatives open-source » illustre concrètement les questions-réponses citées à partir d'un corpus de sources.
Ce guide vous a aidé ?

Un retour, une erreur, une précision ? Faites-nous signe, ça améliore le guide pour tout le monde.